A comunidade MoDa lançou um framework unificado de alinhamento multimodal de código aberto chamado OneLLM. Este framework utiliza um codificador universal e um módulo de projeção unificado para alinhar entradas multimodais com o LLM. Ele suporta a compreensão de vários tipos de dados modais, incluindo imagens, áudio e vídeo, e demonstra forte capacidade de zero-shot em tarefas como vídeo-texto e áudio-vídeo-texto. O código-fonte do OneLLM já foi publicado no GitHub, onde os pesos do modelo e o espaço de criação do modelo estão disponíveis.